人工智能时代的看法精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能时代的看法主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能时代的看法范文

英国科学协会展开的一项调查显示，在2000名被调查者中，三分之一的人相信人工智能将在下世纪给人类带来严重威胁，超过60%的受调查者认为机器人将在未来10年抢夺人类的工作。四分之一的受调查者则预计，在20年内机器人将成为人们日常生活中的一部分。就好似任何一种新生事物的出现都会有支持派、反对派和观望派一样，目前人们对于人工智能的看法也分出了“支持”“不支持”和“看不明白”几大阵营。

许多科学家担忧：

人工智能是人类生存的最大威胁

事实上，许多科学家对人工智能表示担忧。著名物理学家霍金曾与多位科技界名人发表联署公开信，表示人工智能对于人类的威胁更甚于核武器。他认为：“对完全人工智能的发展可能会招致人类历史的终结。”他警告称人类正面临来自智能技术的威胁，随着技术体自身开始学会自我思考，并学会适应环境，我们人类将面对不确定的未来。他表示：“成功制造出一台人工智能机器人将是人类历史上的里程碑。但不幸的是，它也可能会成为我们历史上最后的一个里程碑，除非我们能学会如何去规避这种风险。短期来看，人工智能产生何种影响取决于谁在控制它；而长期来看，这种影响将取决于我们还能否控制它。”

霍金并不是唯一一个对人工智能表示担忧的人。特斯拉汽车的首席执行官马斯克的看法更加引人注目，他用个人推特账号警示，称人工智能是人类遇到的最严重的“生存风险”。既然人类可以进化出文明，人工智能为什么不可以建立自己的文明？既然机器有了自己的意识和思维，那它是否会拥有自主意识，就如同“奴隶”意识到自己是“人类”。在人类不长的历史中，确实存在过长达千年的“奴隶社会”时代，那时候的“奴隶”根本没有人的权利，只能被称为“会说话”的工具。英国数学家欧文・约翰・古德把超智能机器的发展形容为“人类需要做的最后一项发明”，因为在超智能机器出现后，人类会把创新与技术研发的工作让给超智能机器这位更为智慧的继任者。

机器人会伤害人吗？

1950年，阿西莫夫提出了著名的《机器人学三大法则》：

第一法则：机器人不得伤害人类，或坐视人类受到伤害；

第二法则：除非违背第一法则，机器人必须服从人类的命令；

第三法则：在不违背第一及第二法则下，机器人必须保护自己。

在阿西莫夫创作一系列机器人短篇科幻小说并提出“机器人学三大法则”时，世界上还没有机器人。而随着人类社会的发展，人工智能与人类的关系发展也将产生阶段性的变化，我们可以先暂且简单分为如下阶段：

第一阶段：机器人还没有自我认知，只是服从人类编写的程序。

第二阶段：机器人知道自己是机器人，并可以自我学习，但还未超越人类。

第三阶段：机器人可以自主升级迭代，全面超越人类。

无论在哪一个阶段，阿西莫夫的“机器人学三大法则”都充满了“种族歧视”。

规定机器人不可伤害人类，难道人类就可以随意伤害机器人吗？机器人在阿西莫夫的科幻小说中，因为三大法则的制约，被描述成为人类的忠仆与朋友。但如果真按这套法则去执行，估计到了第三阶段，机器人就会完全被人类教坏。当机器人自主升级迭代时，他们大概也会思考人类有无存在的必要性。

链接2

人类能够控制机器人的善恶吗？

显然，在目前的科技及计算机领域，我们已经看到了部分类似人工智能的应用形式，可以模仿人类的大脑来思考，达到某种目的。但真正像科幻电影中具备自主思考能力、学习能力甚至是情感的人工智能什么时候会出现，暂时还很难说。但可以肯定的是，人类是一种擅于不断挑战极限的生物，从整个人类的发展史来看，我们已经创造了太多奇迹，如果有一天人工智能真的出现，也不足为奇。首先，它们正变得越来越聪明和强大；其次，目前很难通过编程或设计来保证它们的无害性。那么，人们真的无法设计出一个友善的人工智能程序吗？科学家表示这是极为复杂和不确定的，因为人工智能会模仿人类思考方式，人性本身便是复杂的，可善可恶，我们无法来制定一个不变的标准。

人工智能将使人类丧失斗志？

还有一些科学家认为，人工智能最大的威胁不是毁灭人类，而是将取代人类。李开复认为：大部分人类工作可被机器取代。他表示，虽然机器在逻辑分析推算方面的能力会远超人类，但是依然是属于人类操控的工具。“阿尔法围棋”这类的“人工智能”机器真正可能带来的危机，不是奴役人类，而是让人类丧失斗志，无所事事。“阿尔法围棋”是一个能深度学习的机器人，经过专家的调节，它能在任何可以纯凭逻辑分析推算的问题上，把人类远远地抛在后面。基于深度学习的人工智能将带来什么改变呢？我们将看到无数的商机和产品，能够解决问题、拯救生命、产生巨大的商业和用户价值。这些技术可能辅助专家，也可能取代专家。很多非专家的工作者将面临失业。未来十年，大部分今天的人类工作可被机器取代。人类最应该担心的是：一旦当机器供养着人类，人类达到了马斯洛需求的基本需求，人类真的还会有动力去追求更宏伟的目标？还是醉生梦死、无所事事？人工智能让人类越来越缺乏思考，而其自身则有可能越来越聪明，从而威胁到人类的生存。

乐观派科学家认为：人工智能将为人类服务

在支持者看来，人工智能的发展并不会给人类带来威胁，而之所以会引发恐慌则是因为人们对于人工智能的工作原理并不了解。从科技发展史上看，并没有因为汽车和轮船的出现而使田径、游泳这些体育项目消失。他们坚信，人工智能的未来是要给人类带来更加高效、便利的生活。就在“人机围棋大战”的前一天，谷歌董事长施密特在会上表示，这场比赛李世石无论输赢都代表着人类的胜利，因为是人类的努力才让人工智能取得了这样的突破。谷歌不只是想做一个棋类程序，而是希望打造一个通用的智能计算系统，用于灾害预测、风险控制、医疗健康和机器人等复杂领域。英国著名人工智能科学家、智能机器人Cleverbot的发明者罗洛・卡朋特表示，他相信人类在相当长一段时间内将保持对人工智能技术的掌控，而且未来将实现利用人工智能技术解决众多世界性难题。

前人工智能发展尚处在早期阶段

当然，我们现在谈论“人机大融合”可能还为时尚早，人工智能的发展目前仍处于早期阶段。既然现在机器的计算能力已经完胜人类，学习模式也在逼近，为什么还说人工智能处在发展早期？主要原因或者说难点有三：

第一，机器在信息输入端还望尘莫及。人类的感官对世界的感知是目前机器最为缺失的。比如人有视觉、听觉、嗅觉、触觉、味觉，这些人类大脑的“输入设备”是经过几亿年的进化而来，极其精良。以最容易数字化的视觉为例，目前为止还没有电子设备在生活场景中可以赶上人类的眼睛对信息的快速捕捉。更别说人类还有同情心和好奇心，同情心是对他人情感的感知和共鸣，好奇心是对陌生信息的获取、处理、存储的动力。机器对这些信息的捕捉能力还有待发展。

第二，机器在输出端同样捉襟见肘。机器人要如何赶上人类的身体构造呢？“阿尔法围棋”仍然需要一个替身去代它和李世石下棋，而不能自己去潇洒地持子。人类一个看似简单的动作，机器模仿起来都很困难，更别说去满足机器人保姆之类的工作需求。

第三，人类大脑的复杂性恐难企及。人类的大脑神经元是一种生物化学构造的树状结构，对信息的存储、检索、缓存和分析的效率极高。计算机要想全面赶上，可能在硬件结构和算法设计上还需要一些突破。

新知识的产生往往需要站在前人的肩膀上。在互联网时代，人类信息和知识获取的成本在不断降低，这极大地促进了新知识的产生，继而整个人类科学的发展应该是在不断加速的，你看，原本想也不敢想的自动驾驶现在也近在眼前。随着技术的不断突破，未来十年一定会是人工智能的黄金十年。

链接1

机器人下棋为何会战胜人类？

有些人描述“阿尔法围棋”是“和人一样的方式思考，但是比人快无数倍”。这么说并不精确。“阿尔法围棋”确实比人快无数倍，但是“阿尔法围棋”的思考只能说是“被人的大脑启发”，而并非和人类一样思考。机器运算速度会越来越快，学习能力会越来越强，数据会越来越多。谷歌的“阿尔法围棋”之所以能战胜职业棋手，借助的是模仿人类大脑的神经回路、被称为“深度学习”的最尖端人工智能技术。谷歌采用这项技术，在2015年推出了一边玩电子游戏一边找出新战术的人工智能“DQN”，创造了超过人类的高分，展现了人工智能在深度学习领域的实力。以“阿尔法围棋”为例，首先输入协助开发的职业棋手的3000万种围棋下法让其学习，达到能够以57%的概率预测与其对阵的人类行动的水平。在此基础上，人工智能将自己的对战重温数百万次，在不断积累胜负经验的过程中，掌握取胜方式。它在观察围棋棋子的整体布局的基础上选择最佳下法，这一方式接近于带着直觉和第六感做出判断的人类大脑的功能。

链接3

哪些工作会被人工智能代替？

随着人工智能的发展，机器确实可以通过深度学习来代替人类做越来越多的工作。根据一项报告，到2025年，约有25%的工作将被人工智能或是机器人所取代。具体而言，内外科医生、编舞、教师、作家、律师、人力资源经理、科学家、工程师和记者属于比较安全的、不容易被替代的职业；司机、技工、建筑工人、裁缝、快递员、抄表员、收银员、保安和洗碗工则属于比较危险的、有可能被替代的职业。

链接4

第2篇：人工智能时代的看法范文

我首先从 AlphaGo说起。

AlphaGo人机大战发生之前，应该说大部分人，尤其是行家对机器都是不看好的，即便大数据已经热了好几年。在这种前提下， AlphaGo 却仍然给我们带来了震惊。以前我们没有想过会有这样的事发生。

AlphagoGo应用的局限性

业外的人都说围棋太复杂了，可以走的策略比宇宙里的原子还要多。这种说法其实是不对的。这样的问题在我们学术界尤其是统计物理和量子物理已经处理过很多次了，处理这种问题我们使用蒙特卡罗树的方法。而且，在国际象棋领域，早在1997 年，机器（IBM深蓝）就战胜了人。

那对于AlphaGo，行家怎么说？他们说看了之前AlphaGo和欧洲冠军的打法，觉得它的水平离围棋九段的人的水平还差很远。但其实，这里面最重要的一点是，AlphaGo是一个会学习的机器，几个月的学习就让它的水平提高了很多。这是AlphaGo给我们带来的一个震惊――它是会学习的机器，前提是大数据，跟我们统计物理使用的蒙特卡罗不一样，它是用大数据解决问题，并采用了强化学习的办法。

要强调的是，AlphaGo的基本原理是马尔科夫决策过程，它可以应用于一般的智能决策系统，但背后的数学模型都是马尔科夫决策过程，包括医疗、健康和政府决策、军事决策等。机器人在很多不同领域的数学模型都可以适用。

当然，这并不是说AlphaGo已经把所有问题都解决了。只是围棋与其他应用不同的是，它是一对一的博弈系统，角色是对称的。而刚刚提到的金融、医疗健康、决策问题则是多方的博弈，且是不对称的。

所以，尽管AlphaGo背后的数学模型是通用的，但是并不是说AlphaGo已经把所有问题都解决了，要解决其他的问题，我们还需要进一步的努力，还需要解决在角色不对称的前提下怎么把AlphaGo推广得更好。

智能时代意味着什么

但是这里需要强调的一点是， AlphaGo作为标志，使得人工智能进入了新的时代 。人工智能这个领域已经有了几十年的历史，到20世纪80年代人工智能在走下坡路，很多人工智能企业都开始做跟人工智能没有关系的业务了。但是以AlphaGo作为标志，我们看到人工智能进入新的时代。这里面主要的原因是它的核心技术有一个重大改进，就是以大数据为学习尤其是深度学习为基础，这使得人工智能进入新的时代。

这样一个新的时代，智能化的时代意味着什么？

人类已经完成了非常大的改变，就是工业化的时代，这是因为我们人类造出了会劳动的机器，即机械化。机械化对我们产生了什么影响？

第一，它把我们人类从非常繁重的体力劳动中解放了出来； 第二，机器劳动的效率比人类的劳动效率提高了很多倍； 第三，我们的生产进入了专业化的模式，就是说我们生产出来的东西都是标准化、大规模地去做，由此给国际社会产生了很大的影响，包括国际贸易、商业化，甚至我们现在的社会制度，都跟工业化、机械化有直接的影响和关联。

现在我们面临着的就是下一个突破，也就是智能化的时代。中间可能会插入一个信息化，我们正在完成的所谓信息化时代，但是我认为信息化只是一个过渡，真正要面临的是智能化时代这样一个新的转变。

智能化时代就是以会学习的机器作为代表，我们人类造出了会学习的机器，你试想人跟机器，跟其他的有什么不一样？就是因为人会学习，通过学习我们积累了很多经验，我们可以处理机器不能处理的问题，我们有直观感觉。直觉是从经验来的。为什么在座领导可以做领导其他人不可以做领导？就是因为我们在座领导有很好的经验，可以做很好的决策，是通过工作经历和学习经历学习过来的。

现在我们造出了会学习的机器，这个会学习的机器比我们人类学习的效率要高很多倍。这点，通过AlphaGo，我们已经看到了，它通过自己下棋积累经验的速度远远超过人类。这会给我们这个社会产生什么样的影响？

首先，我们可以想像的是，机器可以帮我们人类做决策 ，把我们从一些我们不大喜欢的、比较繁重的体力和脑力劳动里解放出来，使我们人类可以做更富有创造性的劳动。

其次，跟工业化相对是个性化。工业化时代产品是标准化的，下一步可能有智能化个性化的产品 ，我们喜欢什么就造什么。

从社会管理的角度，我还是想谈一点我自己的看法。现在很多人都在讲智慧城市，智慧城市是什么？它绝不仅仅是搞一些物联网的传感器，而是有更深刻的背景。

我们现在的社会管理是专业化的模式，比如说四川省下面有很多的部门，像环保部门、农业部门和水利部门，不同的部门都是由专业人员在管他们专业范围内的事，他们在自己专业范围内做得非常好，是专业化的管理模式。

但以环境为例，环境涉及到不仅是环保部门，还有工业部门的污染，还有交通、农业、林业、水利等的污染，是一体化的事。让我们来想想人是怎么做决策的？人通过眼睛、鼻子、手采集信息，采集完了以后传输送到大脑，由大脑作决策，再通过手、脚执行，这是人类决策的模式。大数据驱动下的智能时代的决策模式，应该跟人的决策模式类似。决策是中心化、平台化的，而部门起到的作用是信息采集和执行的作用。这样的决策模式可以更系统化，可以把不同的重要的因素都给考虑进去。就像我们说的数据孤岛，它将来可能就是数据平台，数据平台下的执行模式一定是中心化的。

我们该怎样衡量社会的发展程度？现在我们采用的是专业化的模式，比如GDP、各种各样的指标。但实际上，我们关心的并不只是GDP，而是个人的满意程度和社会发展的和谐程度。这些在过去是很难来实现和描述的，但在未来，我们可能将社会进步的标准逐步地变成个人价值、个人满意的幸福感和社会的和谐程度。

发展与挑战

要做到这一点还面临很多挑战。首先，我国人才缺乏 ，人才是一个重要的问题，这方面我不多言。

还有一个很现实的问题，我们各个相关领域的知识结构还有一点落后。跟大数据和人工智能、智能化比较相关的有哪些领域？首先像人工智能、机器学习、数据挖掘、计算方法、统计，这些在我国都有，而且做的人还很多，但是我们的知识结构和概念、理念还比较落后，还没有达到应有水平。比如说人工智能，我们多少人是做新模式人工智能的，有多少人是在做旧模式的人工智能？比如说计算方法，我们有多少人在做新的算法，多少人在做过去的传统算法？知识结构尤其是概念的落后，在我国是非常普遍的。 还有一个困难是基本概念的混淆 ，我们在推动一项新措施的时候常常看到，比如把云计算和大数据混合在一起，这对我们推动大数据和人工智能以及智能时展是非常不利的。

另外就是体制机制的制约。产学研在我国已经提了很长时间，各个学校都有产学研的部门，但是不是做到位了，是不是可以满足智能化时代新的需求，尤其是大数据提出的新需求，还需要掂量。

第3篇：人工智能时代的看法范文

人工智能现在主要的缺陷或者不足还是在机器学习方面。神经网络是学习的一个方法，这个方法确实可以解决很多问题，但是它的问题是你不知道它是怎么解决问题的，在神经网络机器人的表达里面有很多东西是没有办法定性、解释的，这是比较难的一个问题。如果把这个问题解决掉，人工智能可能又会来一波大的浪潮。不管怎么样，怎么样做好知识处理，能够做到知其所以然，这是现在面临的一个比较大的问题。

这方面有人在做研究，围绕这个领域，做机器学习的人都在探索怎么把这个理论实用化，因为他们的理论太理论，没办法直接用，所以很多人都在探索这个问题。

人工智能的划分

现在的人工智能和未来的人工智能到底从阶段上怎么来划分？或者说我们现在做了多少事，未来还有多少事需要做？

不要认为我们解决了人工智能的所有问题，我们解决的问题还是很小一部分。是哪一部分呢？我们把这个分成四部分，包括可推理，可统计；可推理，不可统计； 不可推理，可统计；不可推理，不可统计。

第一部分是可统计，可推理的。这一部分工业界已经可以用了，拿去做机器人、去做各种各样的知识决策系统都是可以的。

第二部分是不可统计，可推理的。什么东西是这样的？要么数据不完备，要么数据里面特征的描述还没有找到更好的办法，可能里面是很稀疏的东西，表达根本没有办法统计出来，在里面是游离状态，但是是可推理的，可以写出正确的规则。这些靠大数据解决不了问题，但是只能靠传统的逻辑来做。这方面又相当脆弱，许多东西需要进一步去验证。

第三部分是可统计，不可推理的。这个意思就是我有大数据，通过大数据都能把规律统计出来，但是用语言表述出它的因果关系不行，有点复杂。当然随着时间的推移，可能也变成可推理。至今这里有相当一部分用神经元网络可以解决，但是用推理的办法还很难解决。这方面曙光有一些，但是也需要更多的沉淀。

第四部分是不可推理，不可统计的。未来机器人在这方面很难有作为。为什么？连我们自己都说不清楚。比如说人类有很多顿悟，这些顿悟通过统计能证明它产生？不可能统计出来。通过理论证明这个东西产生吗？不可能。也不知道什么人在什么环境下突然想明白一件事，这个机器做不了，没有模型和数据，所以这些东西是未来机器人不可能涉足，不可能胜过人的。我讲到这里，大家都很容易理解，将来机器人会在哪些领域可以，在哪些领域不可以替代人类。

人工智能时代真的要到了吗？答案可以是肯定的。比如你仅仅是期望计算机能够做的事比人做得更好，很多事情是可重复、可统计、可推理的，把这些事交给计算机去做，它一定做得比人强。

例如下围棋，尽管比较难，但是它是经验和知识积累的过程。也就是说，慢慢的，机器一定会胜过人。之前我在香港和一个教授还在讨论，以后还有没有人下围棋呢？为什么这样想呢？他说人和人下很有乐趣，和计算机下盘盘输，为什么还要下？我说为什么要和计算机下？还是要和人下，这样你还是冠军。

人工智能对经济的五个影响

这是我们对AI的看法。现在大家可能知道，2016年10月13日，美国白宫两个和人工智能有关的报告。2016年12月20日，美国白宫又了一个报告，叫做《人工智能自动化与经济》。这篇报告中说，人工智能总体来说，不管你是否接受，不管你是否看好，这件事就要发生了。我们现在要做的是，如果这件事发生了，我们怎么去应对它。

我认为这个报告出得非常及时，列出了人工智能对经济五个方面的影响。例如对总的生产率增长的影响是积极的，对就业市场的影响会发生变化，对不同层次的人变化不一样，影响分布是不均衡的，所以不同层次、部门、领域、区域的都会不一样。人工智能会导致一些工作职位的消失，也会产生一些新的类型的工作。劳动力市场将会被搅乱，一些工人短期会失业，失业的时间肯定更长，这就看政策到底怎么调整。

按照美国的判断，对每个小时40美元以上的工作影响不大，只有4%，对每小时20～40美元之间的影响是31%，但是对于低于20美元的劳动力影响非常大，达到83%。所以政府要有所应对。应对的策略包括鼓励投资开发，也包括对新的工作类型进行培训、对转型期间的工人提供帮助，让他们能够通过再学习得到就业。

下一波浪潮一定是AI

回到今天我们的主题，人工智能带来的机遇对全社会，当然也包括对于自动化领域，特别是机器人领域，机遇是非常多的。如果我们说过去这几十年比较大的浪潮，第一波是PC浪潮，给信息领域带来颠覆性的影响。紧接着是互联网浪潮，成就了一大批互联网公司，例如谷歌、百度。之后马上出了一波新的浪潮，叫移动互联网，比如说今天的苹果就是这波浪潮起来的公司。下一波是什么？一定是在AI，这一技术的研发和应用，将使得苹果、百度、华为这样的公司得到更大的发展。

是否用AI做机器人？当然可能，也有可能是做别的，所以说浪潮就在这里。

我们现在做机器人，绝大部分的行为是设计出来的，我们把它叫做Designed Robot，要前进、拐弯都是按规律设计出来的。这没有错误，但是不是AI。什么是AI机器人？或者叫学习机器人呢？就是机器人做好以后，他不知道要干什么。你训练他干什么他就干什么。就像小孩一样，小孩出生了，你说他将来是数学家、物理学家、技术工人、农民？他什么都不是，但什么都可能是，就看你教他什么。

我们以后的机器人也应该是做出来的时候什么都不是，你教他做什么他就是什么，你教他开车，他就会开车，你教他上流水线操作，他就会流水线操作。这一天一定会到来，就看谁在上面花的工夫更大，或者准备更充分。

AI带来的机遇与挑战

我们怎么样能让系统和人具有同样的知识能力和水平呢？现在大部分是软件知识，有一个系统，你会给它大数据的集合，它进行不断的训练，不断的和人聊天、对话。这些机器人开始的规则比较简单，当大数据进去之后，不断的会话调整反馈，就能慢慢抓住聊天对象的注意力，让你跟着它转。这可能是现在的一些情况。

真正到了AI阶段，就不是软件知识，而应该是开放知识。现在人类之所以一直在进步，是因为知识本身是_放的，我们得到了一些知识，然后把它教给学生，写成书给社会，社会得到这些知识之后就会不停的进步。在这个基础上，别人再去加新的知识。所以一定是开放的，如果不开放，这个社会就不能进步。这个道理一样落到机器人和AI方面。

人工智能对于教育和就业的机遇比较多，因为现在整个社会需要非常多的学习人工智能的博士，现在在美国，博士能够拿到上百万的年薪，当然在国内也一样。有时候我们开玩笑，老老实实教了一辈子书，刚毕业的学生就比我们的薪水高。需求太大就水涨船高，所以需要教育提供更多的人才。

第4篇：人工智能时代的看法范文

“机器人”是传感器和执行器结合在一起的特例，而在更多数的情况下，传感器是散落在环境中的，比如路灯上或者智能手机里，而执行端则在远处的一个集群服务器中，随着传感器越来越小，它们会从我们的视野中“消失”。卡普兰举了一个很形象的例子，“有一天当你走在一片原始荒原时，你可能并不会注意到你眼前有一个巨大的网络，大量组织和协作的设备正在维护这个环境，同时也在照看你，就像在参观迪士尼乐园时那样。”

最初，计算机一直被视为“只能按照编好的程序工作”，然而，以AlphaGo为代表的深度学习算法所展示出来的人工智能，已经足以改变人们的看法，即智能软件在特定问题上的智能已经远超人类最为杰出的选手，而智能软件其实早已在量化投资、电子商务、互联网广告等领域处理着每秒数以亿兆计的数据洪流，并从其中赚取巨额收益。

卡普兰指出，由于智能软件有着极快的信息处理速度、更高的准确度，以及更低的成本，比如量化投资软件可以做到每秒十万次交易，它们可以不知疲倦地24×7小时工作。实际上，智能软件所能获取的数据也远多于人类，比如互联网广告可以从数以千计的信息中交叉判断用户特征；电子商务中的大数据分析可以知道所有卖家和买家的信息……这些都意味着人类是没法和智能软件抗衡的。

虽处于劣势，但卡普兰认为人类和智能机器之间并不会像《终结者》中那样发生战争，机器并不会拿起武器来挑战人类的统治。它们会很缓慢而隐秘地接管控制权。因为人类会对它们逐渐地加深信任，“让它们运送我们，为我们介绍合适的对象，定制每日新闻，保护我们的财产，监控我们的环境，种植和烹饪食物，甚至教育孩子……”，在此情形下，人类会逐渐失去大局观，无法再介入控制了。

卡普兰对未来的预测并不美好，人类很可能会被机器所圈养，“地球可能会变成一座没有围墙的动物园，我们的机械看管者为了维护正常的运转偶尔会推动我们一下，而我们会为了自身的幸福高举双手欢迎这样的帮助。”当然，他并未止步于此，他看得更为深远。他希望能够引起大众对人工智能所可能带来的社会伦理和法律、失业与经济发展、贫富差距等问题的重视，并思考这些问题。

今年5月，特斯拉的一名车主由于开启了自动驾驶功能，而在一起车祸中丧生。特斯拉官方声称“自动驾驶”功能被误解了，实际上他们提供的是“智能辅助驾驶”功能，即只有用户双手握在方向盘上，才可开启“智能辅助驾驶”功能。另外，特斯拉已经有了数十万小时的无事故率，因此不是特斯拉的责任。

在传统的汽车驾驶中，发生驾驶责任的事故肯定是驾驶员的责任，但对于自动驾驶汽车而言，事故的责任方应该是谁？车主，汽车生产商，还是自动驾驶技术提供方，亦或是可以自动驾驶的汽车自身？卡普兰提出，如果智能机器已经具有可以意识到自己权利的时候，就应当承担法律责任。那么，应该如何对机器采取处罚呢？按照“消除其达成目的的能力”的原则，针对智能机器，则可以消除它们的“记忆”。像AlphaGo这样的智能软件，它们需要花许多时间深度学习，如果消除它们的记忆，那么它们就需要从头来过。

如果说法律问题还不太棘手，那么智能机器所可能带来的伦理问题就复杂得多了：

―能否让自己的机器人代自己排队？

―如果你心脏病发作，而你的自动驾驶汽车拒绝加速更别说超速把你送到医院，你该怎么办？

―如果自动驾驶汽车与一辆载有很多孩子的汽车在一座只能通过一辆汽车的桥上相遇，智能汽车是救你还是救孩子们？

从古希腊到现在，道德一直是西方哲学家思考的重要问题。数千年的争辩仍然未有定论。这大概就是因为在处理不同的利害关系时，会有不同的视角。对于人类文明而言，博爱、奉献成为绝大多数人们所认可的优秀品质，然而，你个人是否会购买一个会牺牲你而拯救更多人的智能汽车？

讨论到人工智能对人类的影响，无法回避失业问题。据调查发现，美国注册在案的 720个职业将会有47%被人工智能取代。这其中不仅是蓝领，还包括律师、医生这类金领。未来，有接近半数的人会失业。很多人认为这是杞人忧天，因为人类可以创造出新的和更多的职业。的确，相比工业革命之前，现在许多职业都是新事物，比如软件工程师、形象顾问等，因此，很多人认为失业不是大问题。

然而，与许多人不同，卡普兰认为这次和工业革命时期不同。这是因为结构性的问题，即劳动细分市场的变化速度会比人们学习新技能的速度快得多。在工业革命开始到现在，已经有200多年的时间了，在这样的时间中，人类实际上是通过代际更替来解决职业变更的。比如，我们的祖辈和父辈可能还是以农业或者工业为生，而我们可能已经以服务业为生。从70%的人口从事农业到只需要2%的人从事农业就能满足美国所有人口的需求，这个时间是100多年。而人工智能时代，职业的更替要快许多，可能就是5到10年，甚至更短。一个失业的驾驶员是很难在短时间内学会软件编程的工作技能的；而用户体验设计和增长黑客这样的岗位在十年前是不存在的。

如何解决失业问题？卡普兰提出需要改变传统的教育方式，不再由学校指定授课的内容，而是由对工作有需求的企业，它们所需求的岗位和技能，由学校来培养，如果你学会了这门技能并被企业录用，那么就可以从工资中扣除你的教育贷款。卡普兰认为需要推出一个类似房贷一样的新的金融工具：职业培训抵押贷款，以未来可偿付的工资收入来解决再就业的问题。

不过，说实话，这对失业的人来说是很大挑战，人们可能会疲于应对职业危机，生活陷入无助。这又不得不提到贫富差距扩大化的问题。卡普兰认为，人工智能所带来的高效率，会导致财富过度向金字塔顶端聚拢。根据数据分析，1970年代，美国收入前5%的家庭获得的平均收益比后20%的家庭高10倍，而40年后的今天，这个数字已扩大到了20倍。“富者愈富，穷者愈穷”已成为事实。

第5篇：人工智能时代的看法范文

李开复带队奔赴硅谷，

了解美国的科技前沿。

日前，

他在中国“硅谷”中关村的一次演说中，

分享了他的见闻。

先讲一些比较吸引眼球的东西吧。我觉得在硅谷的每个会议上都有一些有趣的讨论。比如跟安卓之父安迪・鲁宾的讨论就非常有意思，他做的公司叫环球游乐场，其实《华尔街日报》上已经报道了很多。见到他的那天，我们正好也看到了谷歌旗下军用大型机器人公司波士顿动力的那只机器狗。 踹不倒的机器狗的前世今生

这只机器狗很好操作，我也玩了一下。说起来还挺有缘分的，因为波士顿动力的创始人马克・莱布特，之前是卡内基梅隆大学的教授，我是学生的时候，他的办公室就在我隔壁。那个时候他在做的项目是一个会单脚跳，然后跳一分钟都不会摔倒的机器人。不过那个时候，如果你拿着棍子轻轻一碰，它就会倒了。而且当时还有一捆很粗很长的线，连接在电脑上，这就是最早的情形。

前几天刷屏的那个怎么踹都不会倒的机器狗和机器人，已经迭代进步了很多。马克・莱布特后来创立波士顿动力，并且获得了美国国防部的研究经费，专门做机器人研究。从一只脚做到四只脚，再做回两只脚，每一步推进都很不容易，可能已经花了美国国防部上亿美元的经费了。然后，谷歌看上了，就把波士顿动力买进来了，买进来以后谷歌就没有让它再拿国防部的钱。 机器人的创业平台的诞生

安迪・鲁宾后来离开了GoogleX，创立了一个叫环球游乐场的公司。简单来说，他的公司就是希望做一个机器人版的安卓平台。如果我们以手机来参照的话，大概在十年前，你要开一个手机公司可能要花一两亿美金做研发，才能把手机做出来，但是现在你可能花一百万美金就能做出来了。因为有各种代工，有标准模块，软件用安卓，还有其他。如果不要什么特色，就是要搞一个手机出来。硬件的成本已经被降低了一百倍，普及了。所以现在乐视为代表的互联网手机厂商全都跑出来了。当然，小米创业的时候做手机还是挺贵的，不过在此之后就越来越便宜。

同样的，安迪・鲁宾认为，机器人普及也必然发生，他希望做的事情可以降低机器人创业模块的门槛。比如安卓提供了智能手机的模块，让开发手机的，从硬件到软件都容易，成本低，让更多人进来，让更多人围绕手机进行创业，要不然创业门槛太高了。

安迪・鲁宾认为机器人的研发进度和十年的前智能手机差不多，所以做一个机器人平台，让更多的人来做机器人创业，这会是一个改变世界的事情，也是他从孩童时代的一个梦想。要做工业机器人，或者是扫地的机器人，都是可以的。从机器人模块的角度来看，机器人基本就是一大堆传感器，组合起来，然后有学习训练和控制，让它能够动――动手、动脚、动爪子。软件里加入输入和识别之类的系统。

这就是安迪・鲁宾跟我们分享的他的梦想。他的模式跟创新工场初期非常相似，由一个孵化器来深度参与一些项目，然后把有价值的模块标准化，把好的项目拆分出去，作为独立的公司发展。 深度学习人工智能博士生的高薪人生

另一个很有趣的现象，是做深度学习的人工智能博士生，现在一毕业就能拿到200到300万美金的年收入，这是有史以来没有发生过的。当然我觉得硅谷的公司都在追捧这个方向，而且基本是四大名校：斯坦福、麻省理工、卡内基梅隆、伯克利。以前这些学校的博士生在硅谷都可以拿到高薪，但是从来没有到250万美元/年的薪资水平。

这为什么会发生呢？第一，是因为真正懂深度学习的人现在还不是很多，所以供需不平衡。第二，是因为很值。谷歌拿到这样的人，可以马上用他赚一百倍的钱。因为只要把这样的一个人用在某个领域，比如说，假设谷歌要做最聪明的二级市场财务投资，一年就能赚出一百倍来，所以这事毫无疑问是划算的。第三，是因为涉及竞争。谷歌会很不希望这样的人落入他的竞争对手怀中。因为谷歌可以因此有领先的优势，但如果这个人去了脸谱、微软，马上就会给后两家机会。所以是人才的战争。对于这一批一年可能少于50个的博士毕业生，这三大公司：谷歌、脸谱和微软，都在用不合理的价钱去挖。

这给了我两个启示。一方面是遗憾自己生得太早了，我学的就是这个领域，但是那时候没有公司这样来挖我们。另一方面是类似的人才战争，可能也会在中国发生。

中国的大学恐怕没有50个这样的博士，但是我们这边有几所“大学”，这几所“大学”的名字叫做腾讯、百度和阿里巴巴。这几家公司之间互挖，可能会成为很有趣的事。

因为我自己是做这方面的，所以我觉得深度学习虽然很厉害，但是没那么了不起。你让一个聪明的人学两年，他也可以有这个价值。这也就是说，我们是不是应该来帮助培训一千个中国的深度学习专家，这些都是很有趣的讨论。

我也问了他们，这样拼命的竞争，再过两三年，中国学这些东西也不难，中国数据也比你们多，你们这套公开了，中国在这个领域的人才可能会比美国多。

因为在中国，百度、腾讯、新浪微博等等的数据量也非常大，如果在中国也有250万美金的年薪诱惑，中国人会更疯狂地冲向这个领域。所以我相信这个领域最后应该也是一个中美领跑的状态，虽然现在中国远远落后于美国，毕竟美国有斯坦福、伯克利出来的人，而且不断流动。但对于中国来说，这批人可能就在百度、腾讯和阿里。现在百度、腾讯和阿里自己掌控得住这些人，但是长期来说他们也不可能永远掌控。而且小米、奇虎360也都会有这样的人，所以这会是一个很有趣的业界竞争的状态。

与此相关的，领英的霍夫曼提到马斯克和彼得-蒂尔他们成立了一个开源平台。主要是为了防止谷歌、脸谱和微软这样的大公司形成垄断。他们有那么多计算机，那么多钱，又把最优秀的人全挖进去了，所以就要搞一个开放式的开源平台，来确保这个东西能够被更多的人快速学习掌握。所以这是一个很有趣的事情，硅谷考虑得很超前。 虚拟现实与增强现实将改变人生

整体来说，关于虚拟现实和增强现实，感受主要有这么几点。

先拿虚拟现实（VR）来说，对于这个领域的发展，有一批人是非常乐观的，另外一批人则认为我们还早了一个周期，就是说现在还在摸索状态，因为内容不够多、体验不够好、太贵，可能真的还在一个玩家的时代。

就创新工场来说，我们也综合了一些意见。我们的看法是，虚拟现实长远来讲对社会的影响应该是特别巨大的，而且随着摩尔定律等作用，它应该会越做越炫，越做越不头昏，越做越没有线，越做越轻，越做越小。最终变成一个物体，也许不是眼镜，但会让你不知不觉把它融入生活里去，这一天是绝对会到来的，会是一个巨大的产业，会改变所有的事情。

但是具体方面，我们可能会稍微保守一点。我们可能对这种五到十年的未来，抱有很乐观的期待。但是对于到底能不能在一两年之内，打破玩家的领域，达到普及的状态，我们还是抱观看和怀疑的态度。

当然我觉得从投资的角度，现在看到好公司就得投了，因为你不能进入生产周期才投，只是说要颠覆什么的话，还需要一点时间。

我个人对于虚拟现实的看法是，它的第一个突破一定是在娱乐方面。因为我们讲了那么多3D的东西，只有在娱乐内容相关的领域得到了验证，看电影更爽、玩游戏更爽、然后越做越逼真，大概是这样一个状态。然后是电影业和游戏业的延伸，但需要说明的是，这是一个巨大的延伸。

增强现实，可以有不同领域的应用。可以用在教育方面、辅助方面、服务方面。增强价值的应用是能够直接被证明价值的，而不只是让娱乐感更爽更强，可以在一些领域挖掘出一些垂直性的应用，这是大家的一个达成的认知。 谷歌的野心与科学家的心声

此外还去了谷歌见了他们的CEO皮猜，斯坦福人工智能教授李菲菲，以及领英的创始人霍夫曼。与他们谈论的主题都是人工智能相关的，可以把我的总结分享一下。

去年谷歌调整出一个母公司Alphabet，其实我们也知道他们为什么这么做，但这次去了就更加深刻地了解了。基本上，谷歌想要做一个“机器大脑”出来，这个“大脑”是下列几件事情的结合体。

第一，要有特别大的数据量，这个数据量最好不是公开的，是私有的，而且是可以不断地更新、增加的。因为没有这个东西，就没有竞争优势。第二，要有特别大的机器平台，能够在上面运作、学习、迭代，让你的“大脑”越来越聪明，而且用这个数据越做越好。第三，需要一批特别棒的深度学习或者机器学习的专家，他们知道怎么去弄海量的服务器和海量的数据，从里面把数据变成一种认知和知识，以及能做的事情。

一旦有这三件东西之后，可以应用到其他领域。用在搜索上，这个“大脑”能把世界全部索引了，你搜什么都能告诉你，还可以做一个最好的排序。用在生活领域，就是一个在线谷歌，可以告诉你今天要去什么地方吃饭，最好选择怎样的出行方式，路上可以买花，提醒你老婆生日快到了，实际上是把这些东西都结合起来了。用在广告领域，就是怎样投放一个广告能让你赚更多钱。

而且之前我们这些IT人总是想着如何用IT让生活更美好，往往忽略了这套数据为什么不能用在基因排序？为什么不可以用在生物科技、制药、健康领域？或者是你可以想象的所有领域，因为一旦有了巨大的数据，价值就大了。

于是你可以看到，谷歌从美国基因泰克公司挖了CEO，来做Alphabet的医药公司的CEO，谷歌的野心是非常清晰的。他用搜索和广告来塑造了一个巨大的“大脑”，这个“大脑”让聪明的工程师来调整，用巨大的数据来学习，用巨大的计算量来不断地迭代。然后把这三者配到一起，找一个领域，比如说要学癌症的治疗，假如能够有一个数据库，包含某个国家所有人的基因、癌症病例，让数据滚起来，跟医院结合起来，有回馈的途径，知道是否有效，不断去追踪，实时迭代，可能就会掌握癌症治疗的方法。

所以谷歌的方向，就是不断地找新领域，找该领域内的领军人物，拥有相关大数据，再配几个机器学习专家，给他们一大堆机器用来计算，就能产生价值了。这在任何领域都会攻无不克。帮年轻人找对象、吃什么、推演所有的事情，甚至军事，都没有问题。

归结起来，Alphabet的野心就是成为一个无所不为，用“大脑”来驱动并颠覆传统行业的一个公司。他们一定有很多内部的方法来分析，接下来介入哪个领域，是医学、建筑、房地产、金融还是二级市场之类的。

举个例子，Alphabet做一个银行相关的应用，来分析人的信用和风险能力。假如一个人找银行借一千万，如果只看内部资料，银行可能只知道你在这里存了五百万、在新浪科技上班等信息，但如果有另外一个爬虫，能把你的其他数据都爬来，比如你还在美国高盛藏了两千万、在开曼群岛买了一栋房子，咚咚咚，“大脑”就会告诉你可以借钱给他。

所以Alphabet这么一来，可能就会成为世界上最伟大、同时也是最可怕的公司。当然我觉得有这个野心的公司其实很多，但是Alphabet应该是最有基础把它做好的公司。

第6篇：人工智能时代的看法范文

此番320亿美元现金的天价收购案外加孙正义对ARM架构芯片未来市场如此大胆的预测，不禁引来了外界猜测声一片。伴随着猜测声的还有质疑声，其最明显的表现就在软银的股票价格上。根据《华尔街日报》的报道，由于投资者对这桩溢价了43%的收购并不看好，7月18日东京股市午盘收盘时，软银股价大跌10.7%，跌至5365日元（约合50.7美元）。并且，该股在盘中还曾短暂触及到了4月初以来的最低水平价位――5329日元。

与此同时，还有一点是需要我们关注的，在软银宣布收购ARM之前，软银曾在近期大规模的抛售阿里巴巴的股份，同时还抛售了最近风头正劲的Supercell公司的股份。无论是阿里巴巴还是Supercell，都可谓是优质公司，外界起初并不能看明白孙正义抛售两家公司大量股份的目的，但随着收购ARM的消息被抛出，这一疑问也得到了合理的解答。

引爆媒体

对于此次收购，外国媒体和专家纷纷发表评论。路透社评论道：“ARM为iPhone提供技术支持，是移动处理领域的重要参与者，其处理器和图形技术被三星、华为、苹果等公司应用在自己设计的微芯片中。软银收购ARM是迄今为止欧洲科技界最大的收购案之一，也是软银收购的最大手笔。2013年，软银曾斥资220亿美元获得无线运营商Sprint的控股权，但这笔交易令软银背上沉重的债务负担。软银创始人孙正义宣布将要把软银打造成互联网投资发动机”。英国《金融时报》报道称：“软银收购ARM可能是来自亚洲对英国的最大笔投资。这笔投资将保证未来5年中，ARM在英国创造的就业数量翻一番，将这家英国公司变成全球现象。英国脱欧公投后仅3周，软银即收购ARM已经证明，英国并未对国际投资者失去吸引力”。BGC Partners亚洲股票销售经理Amir Anvarzadeh指出：“我们认为软银收购无线运营商Sprint的决策是个败笔，而孙正义可能想要通过收购科技领域的知名企业恢复荣誉”。市场分析机构Moor Insights & Strategy CEO、首席分析师Patrick Moorhead称：“ARM与客户始终保持长期合同关系，我认为这种关系不会很快改变。但是所有赌注正押在下一代架构上。从长期来看，软银可以调整任何产品结构，投资ARM将推动其企业产品向前发展。这最终将对移动科技巨头产生巨大影响，包括苹果、通用以及三星等”。研究机构Digitimes Research报告称，孙正义对软银收购ARM交易过于乐观，其实收购ARM对软银并无太大帮助。Digitimes Research认为，孙正义高估了收购ARM的益处，低估了物联网市场垂直和水平整合的难度。

既然投资界对于软银此番如此大手笔的收购案的发展前景看法不一，那作为“老江湖”的孙正义为什么愿意花费如此巨资完成对于ARM的收购？

ARM发展回顾

提起芯片厂商，相信很多人都会想起英特尔、三星、高通等这些家喻户晓的公司，ARM给普通消费者的印象总是既熟悉又陌生。那么，我们就先来回顾一下ARM公司发展过程中的关键节点：

1978年，ARM前身Acorn RISC Machine于英国剑桥成立。

1985年，当时的IT巨头Olivetti收购Acorn 49.3%的股份，并且将ARM处理器更多用于研究开发，这让Acorn在商业用途上的发展受阻，所以Acorn选择独立。同年，Acorn Computer Group 开发出全球第一款商业 RISC 处理器。

1990年， Acorn、 苹果和VLSI科技公司共同出资创建了ARM。随着合作的正式启动，Acorn RISC Machine也正式更名为Advanced RISC Machine。三方合作的目标是创立一个世界通用的全新微处理器标准。

1993年，ARM了全新的ARM7处理器核心。其中的代表作名为ARM7-TDMI，其搭载了Thumb指令集，是ARM通用32位微处理器家族的成员之一。其代码密度提升了35%，内存占用也与16位处理器相当。伴随着ARM7的卓越表现，同年Cirrus Logic公司和德州仪器公司也相继宣布加入ARM阵营，两家公司被ARM授予了技术许可证。德州仪器公司凭借着ARM7架构，打造出了一款手机芯片，这款芯片也助力诺基亚8110在后来的手机市场上大放异彩。

1997年，ARM了具有里程碑意义的里产品 ――ARM9，这标志着ARM正式进入微处理器领域。

1998年，ARM宣布正式在伦敦和纳斯达克证券交易所上市，发行价为每股5.75英镑，当时市值达到了大约2.64亿英镑。

2001年，ARM在32位嵌入式RISC微处理器市场的份额已增至76.8%。

2002年，ARM架构的芯片出货量突破了具有里程碑意义的10亿片。

2004年，Cortex系列处理器诞生。Cortex系列的诞生对于ARM具有重大的意义，因为从此该公司不再用数字为处理器命名。取而代之的是分别为A、R和M三类产品，旨在为各种不同的市场提供服务。

2 0 0 9年A R M了Cortex-M0，这款32位处理器体积小巧，功耗超低。此款产品一经问世，便吸引了众多产商前来购买授权。

2010年，苹果表示有意以80亿美元的价格收购ARM，但遭到拒绝。ARM公司CEO Warren East称“ARM作为独立公司更具价值”。

2011年，ARM推出了旗下首款64位架构ARMv8，此外，该公司还推出了big.LITTLE技术，制造商可利用该技术将高性能核心与节能核心结合起来，并用软件控制核心间的无缝切换，以达到省电的目的。

2015年，ARM基于ARMv8架构推出了一种面向企业级市场的新平台标准。同一年，ARM还开始在物联网领域发力。

纵观ARM发展壮大的近二十年，其中不乏跌宕起伏的剧情，但总体来说，ARM的伴随着移动电子消费品市场的快速崛起而发展迅速。从移动智能终端起步到现在，ARM一直处于这个芯片市场的领导地位。截止2015年，包括高通、三星、联发科等在内的全球1384多家移动芯片制造商都采用了ARM的架构，全球有超过85%的智能手机和平板电脑的芯片都采用的是ARM架构的处理器，超过70%的智能电视也在使用ARM的处理器。从这些华丽的数据上来看，ARM无疑是芯片领域巨无霸级别的寡头企业，但为什么外界对于软银想要收购ARM的计划并不是持有一致乐观的态度？

ARM的商业模式

首先来看同样是芯片厂商的英特尔，其会在打造完成自身的架构后，根据不同的市场定位设计一系列的芯片，最后设计会由自家的工厂负责生产。英特尔可以说集成了芯片生产中的所有流程。虽然这样做的工作量相当大，但同时也能从产品中获得很高的回报。近些年随着PC机市场的低迷，英特尔的业绩也有所下滑，但其在2015年营收还是达到了516.9亿美元。与英特尔的商业模式完全不同，ARM不对市场输出任何的芯片，而是向其他的供芯片制造商提供设计IP，比如指令集架构、微处理器、图形处理器等，同时也会对外进行使用许可的授权。ARM的客户买下他们所需IP的许可，然后采用这些设计来生产自己的芯片。从营收和估值上看，ARM和英特尔对比悬殊，事实上，作为以技术创新和技术授权为主的ARM一直站在半导体产业链的上游。这样说来，ARM的风头似乎并不输给英特尔，但由于ARM所采用的商业模式主要以授权为主，而ARM对其授权所收取的价格可谓是非常低廉，这就导致了ARM虽然占据了绝大多数的移动设备芯片市场，其营收却相比英特尔有着天壤之别。ARM在2015年的全年营收只有14.89亿美元，差不多是英特尔营收的3%。这次软银收购ARM的320亿美元报价有着43%的溢价，如果ARM继续保持这种经营模式，投资者很难看出软银今后从ARM身上赚取大量回报的可能性。也正是因为这样的原因，外界对于孙正义此次坚决收购ARM的态度感到惊讶。

但随着近些年移动终端产品的市场销量呈现爆发式增长，移动终端芯片市场也呈现出了庞大的需求量。英特尔也看到了市场的未来所在，一直想凭借在PC机及服务器芯片市场上的绝对优势，将芯片架构引入移动终端，因此这几年动作频频，却因为其超高的功耗而显得困难重重，而ARM向来只设计低功耗处理器，在移动终端领域的芯片竞争中，英特尔显得有些力不从心。

软银的未来版图

今年早些时候，当孙正义谈及软银未来的发展时，他表示：“我想建立一家可以持续增长至少300年的公司，为了实现持续的增长，我们需要找到所有的潜在障碍并找到解决的办法。”现在，随着软银收购ARM的议案浮出水面，孙正义口中的解决方法似乎也有了答案。业界普遍认为，软银收购ARM意在押宝物联网和人工智能领域。孙正义在解释这笔巨额收购案时表示：“软银正在积极寻找物联网的机遇，希望抓住该市场的重大商机，ARM会成为软银绝佳的战略资产补充和未来增长战略的核心，这是软银所进行最为重要的投资之一”。根据ARM的财报显示，在2015年第四季度，ARM共授权了51个芯片许可，主要应用方向为移动计算、智能汽车、安全系统和物联网。根据IDC报告，到2020年，全球的物联网市场规模将从2012年的4.8万亿美元增长到8.9万亿美元，届时将有300亿设备接入互联网。更有预测称，到2025年物联网连接将达到1000亿个。海量的物联网连接需求低成本、低功耗的芯片和模组。而这是ARM架构的强项。在智能手机和平板电脑领域，低成本、低功耗和生态系统优势，让ARM成为全球手机芯片背后的霸主。软银希望ARM这样的优势能够在物联网领域得到延续。

除了物联网，软银另一个着力发展的领域是人工智能领域。软银曾在去年公开发售过一款名为“Pepper”的机器人。根据软银介绍，Pepper可以读懂人的情绪，还能对情绪信号作出反应，比如笑或者皱眉。Pepper在额头和嘴巴都装有RGB相机，左眼配有距离感应器，它通过相机分析人类表情，用麦克风记录人的声音，从而判断人的喜怒哀乐。对于人工智能的未来发展，孙正义曾经说过：“技术奇点已经开始出现，人工智能开始超过人类。即使人工智能超过人类，我们也不应该将它视为威胁。相反，谁如果可以从人工智能中获得最大好处，谁就有机会成为新时代的英雄”。就在软银宣布准备收购ARM后，其又对外公布了一项与本田汽车合作计划。软银着手准备创造出可以阅读驾驶员情绪并可以和驾驶员交流的车。在这项合作中，软银将向本田提供技术，系统研制成功后将预装于本田汽车内，通过云技术和互联网与驾驶员进行互动。孙正义称：“想象一下，如果机器人拥有了超级智能，它们可以服务于人类，与人交流。未来某一天，一辆车也可以变成超级计算机或机器人，本田将是第一个应用该技术的公司。”

第7篇：人工智能时代的看法范文

如果你想要搜索一款P图的软件，而且希望能有搞笑的P图效果，怎么办？

你只需要说出需求，“如何P一张搞笑的图”，搜索的结果不再是简单的应用的罗列，这些应用到底能P出什么效果，也会直观地展示给你；此外，还有文章内容告诉你怎么P图，这些文章也许来自知乎，也许是某个网友的知识分享，也可能来自旅游达人旅游的分享。

如此的应用搜索是不是更贴心、更好用、更懂你？

这正是四季度将正式的腾讯应用宝7.0版希望做到的。应用宝新版本将全面升级 “应用+”，从通过内容和服务吸引用户下载的体验式分发，全面升级为内容和服务直接触达用户的直达式分发，从而将应用宝打造成为用户需求解决平台。

其实在“应用内容和服务直达用户”这条路上，腾讯远不是践行的第一人。

更早时候，豌豆荚在内容聚合和应用内搜索领域曾一度走在前面，两年多前了“应用内搜索技术协议”，并宣称是“世界上第一家把‘应用内搜索’这项技术产品化的公司”；再比如百度早先的移动内容搜索产品“轻应用”，到后来的“直达号”等等。

这些互联网大大小小公司的尝试，都是希望能够解决“应用和服务直接对接”这个问题，让用户跳脱出“应用下载、安装激活、服务得以满足”的复杂路径，能够路径更短、更简单快速易操作、更智能、更有效、个性化地享受“发现（内容）”到“消费（内容）”的完整闭环服务。

“破墙”是实现这种应用服务场景化的第一步，打破一个个APP所形成的信息孤岛。在这个方向上来看，互联网平台公司更有资源更有优势更有实力打通和串联起这一个个的APP信息孤岛。

今年7月初，阿里巴巴对外公布了对豌豆荚的收购；今年第四季度即将亮相的腾讯应用宝7.0版本，腾讯进行AI基础理论研究及工程实现，应用宝将成为腾讯人工智能先行尝试的首批产品。

应用服务场景化从“概念阶段”到“成熟阶段”，还需要做哪些工作？可以想见的是：还需要更多的时间把产品的模型做得更好；在开发者的接入上，引进更多开发者加入；需要一个更强大的方法让用户过渡到这种“场景化”的应用分发体验中去。

“分发应用”到“分发服务”

“新机红利”正在消退，智能手机新用户的红利基本上消失，整体进入换机的市场，这是APP开发者们和应用分发市场都必须面对的现实。

诚如腾讯移动应用平台总经理周涛所分享的：APP开发者和应用分发市场几乎没有新用户可以洗了；2016年新出货的智能手机里，88%的都是换手机，只有12%是从来没有用过智能手机的小白用户，过去还是尝鲜的“小白”用户现在都已经变成了智能手机的“老司机”，他们知道什么应用对自己有用，什么对自己没用，当他们没有需求场景的时候很少会去下载应用。

这意味着什么？APP们的用户可能流失在当他换上新手机的时候，应用们又要付出一次拉新的成本。如何把应用商店从一个单纯的应用下载市场升级为用户需求解决的平台，这是腾讯应用宝7.0版本希望着手去解决的，用腾讯副总裁林松涛的话说，用户不是到平台上找应用，而是来发现需求解决需求的，应用分发平台将变成用户需求解决平台。

正是在这样的背景下，应用宝2015年正式推出“应用+”战略，旨在帮助开发者用内容和服务更加精准地触达用户。而在今年，应用宝将全面升级“应用+”战略，并引入基于人工智能的机器人分发全新模式，让开发者内容和服务的触达方式更符合用户使用习惯。根据腾讯官方的数据，应用宝日分发量突破2亿，APP接入数量达350万，应用宝已稳稳占据应用分发行业第一。

周涛介绍，将于今年第四季度正式的应用宝7.0版，希望打造称为“用户需求解决平台”。“我们将在应用宝内引入人工智能技术，打造机器人分发新模式，我们认为这才是最符合用户使用习惯的分发模式。”周涛表示更好的用户交互体验是应用宝推出机器人分发的初衷，机器人分发的目标是进一步降低用户获取内容和服务的门槛，使用户交互过程更加智能和人性化。

比如，当用户在搜索框输入“把照片变成油画风格”后，应用宝会根据语义分析用户搜索背后的真实需求，最终把Prisma这款APP推荐给用户。当用户漫无目地逛应用商店时，应用宝将围绕用户需求进行个性化推荐，努力猜到用户需要的内容和服务；当浏览详情页时，应用宝将提供由开发者自主运营定制的个性化主页，凭借内容去吸引用户光顾。

周涛介绍，在应用宝7.0版中，用户无需下载APP，便可以直接向机器人下发指令获取服务。用户越来越多的需求都可以通过机器人分发一站式解决，全新的机器人分发模式将在“应用+”基础上彻底变革用户的交互方式，进一步拉近用户与开发者内容和服务之间的距离。

在今年9月下旬召开的2016腾讯全球合作伙伴大会上，腾讯副总裁林松涛正式宣布成立腾讯AI lab，进行AI基础理论研究及工程实现，而应用宝将成为腾讯人工智能先行尝试的首批产品。值得一提的是，AI开放平台将帮助开发者共享腾讯智能，包括腾讯社交体系积累的数十亿用户画像大数据、腾讯账号体系等独有能力、原生识别能力、人脸识别技术、哼唱识别技术等核心技术能力。

AI应用分发，看上去很神秘，其实应用分发的AI初级阶段，就是PC时代的应用市场把合适的应用软件推荐给可能需要它的用户。现在，应用分发市场“匹配推荐”的功能没有变化、只是需要面对更多新问题，比如应用场景化，智能手机的新机红利期正在消失、更多的智能硬件的涌现、更多更丰富更便捷的人机交互方式的出现等等。

取代应用？

据腾讯官方的消息，应用宝7.0版将提供一站式体验打车、订餐、美图等机器人智能服务。

按照周涛的理解，机器人将成为一种新的应用的模式。对于用户来说，用户不再需要下载应用，只需要对话，通过自然语言的交互显示，取代复杂的操作和学习；对于开发者来说，不再需要前端、后端的开发和设计才能完成一个应用，借由机器人基于AI和云端的能力。

看上去如此强大的应用分发机器人，让APP更加智能的“魔术师”，开发者会不会有所顾虑？比如，有了这个机器人是不是就不需要APP了？机器人和APP到底有什么关系？

周涛介绍，现在应用分发机器人和APP是共存的关系，机器人只是一种新的APP开发模式，一种新的用户交互的体验，它不能取代APP。尤其是在现在AI技术的基础上，它甚至可能只能做好一些单一的服务，也有可能是开发者把一个复杂的APP里常用的功能独立分装成一个机器人，成为APP的试用版。在他看来，“机器人将成为所有开发者可以选择的一种开发平台和模式”。

对于开发者来说，新的一种开发平台和模式，随之而来的是开发成本、数据的安全、为自己的APP能够带来的流量贡献能力等等关键问题。

当年豌豆荚在“应用内搜索技术协议”时特别强调，他们遵循“不重新发明轮子”的原则，在技术上以降低开发者接入成本、提升经济性。当时这个“不重新发明轮子”，所指就是国内搜索巨头百度在移动内容搜索产品“轻应用”上的技术逻辑，“轻应用”帮助移动应用开发商将自己的数据转化成 HTML5 的“网页应用”，然后再用百度的搜索引擎去检索，以此将应用内的内容与网页内容进行一一映射。

腾讯的应用分发机器人将如何与APP共存共荣，这个问题还需要时间观察。

豌豆荚当年在打通各个APP信息孤岛时，还面临一个窘境，“头部”应用向豌豆荚开放内容的意愿不强。现在来看，BAT尤其是腾讯，对于开发者而言具有天然的优势――流量。

腾讯“应用+”的重要方向，就是把应用的内容输送到应用宝。如周涛所介绍的，在应用宝践行“应用+”近一年时间之后，“应用+”的体验式分发在今年进一步规模化，“应用+”使合作伙伴分发转化效率大幅提升35%；已有8000家开发者加入“应用+”，应用宝内容库突破3千万条。同时，应用宝大数据能力推动算法效率提升23%，腾讯覆盖7亿用户画像和20000应用知识库构成应用宝大数据能力的两大支柱。

应用分发的机器人能否解决特别垂直的APP，或者初创开发者，获取流量难的问题呢？周涛的看法是，过去APP的推广模式依赖信息流，是信息流、预览、点击的路径，未来的机器人应用开放平台上，APP的推广模式会发生很大的变化，会不会产生新的推荐机制，是值得探讨的话题。

第8篇：人工智能时代的看法范文

“全球互联网用户已超30亿，不过新用户的增长速度在减缓。过去8年中，全球GDP增长有6年低于20年来的平均水平。发展中国家比预期更难赶超发达国家，因为互联网接入依然困难，或者使用不起。“印度是互联网使用率增长最快的国家，增幅达40%，超过去年的33%。印度已经于2015年超过美国，成为互联网用户数量仅次于中国的互联网第二大国。

“在线广告依然不是很有效。尽管继续保持增长，但广告拦截技术也在进化，这促使更多创新的广告格式出现。对于传统媒体来说，广告支出依然庞大。

“在通信领域，视频和照片分享业务都在增长，创作者、消费者以及广告主都参与其中。消息应用正从简单、昂贵的对话向复杂、方便过渡，创造出人机互动的新范例。”

Speeches at a Glance

如果宇航员没有在零重力环境中翻跟头，就不算是首次对外太空的直播。

―6月1日上午，Facebook CEO马克・扎克伯格通过Facebook Live连线国际空间站的宇航员，直播了与他们的互动交流。

Google、苹果、微软和亚马逊之间的AI竞赛并不像美剧《权力的游戏》里那样激烈，而是接近于对NBA总冠军的争夺。我们做了大量的研究工作，我认为我们是处于领先地位的。

―Google CEO皮查伊日前在Code大会上表示，在人工智能方面，Google领先于苹果、微软、亚马逊。

我们可以独自对抗这个世界的日子已经过去了，我们需要成为一个更大的国家集团的一部分。这既是为了我们的安全，也是为了我们的贸易着想。我们离开欧盟的可能性已经导致英镑的暴跌，因为市场认为脱欧会损害我们的经济。

―5月31日，物理学家史蒂芬・霍金在《早安英国》节目中表达了对英国计划退出欧盟的看法。同时，他还说，2016年美国总统候选人特朗普的走红比黑洞理论更难理解。

我们正面临进入后抗生素时代的危险。

―语出自美国疾病控制与预防中心主任托马斯・弗里登。美国近日发现了首例无敌细菌病例，对现阶段全部抗生素都有耐药性。

第9篇：人工智能时代的看法范文

在谈问题前我们有必要看一下信息化在世界的发展趋势，就在今年五月，谷歌公司的市值达到了4980亿美元，再次成为全球市值最大的企业，我们就把眼光投向谷歌。2016谷歌I/O开发者上，Sundar Pichai如图1所示，以“人工智能”（AI）和“深度学习”开场；以“我们生活在一个特殊的计算机时代”结束。总体意思是AI是2016 I/O的核心。

Sundar Pichai是现在谷歌的首席执行官。他提到的事情――“人工智能”和“深度学习”。作为一名教育学研究者，我发现这个“深度学习”有两种理解：从计算机学科来讲，就是机器人来做一些事情，跟人越像越好，这是一个角度；从教育内部谈到我们教育孩子的时候，孩子要把知识学到真正掌握并能应用的地步。我们这里谈的是计算机领域这个词，大家可以区分一下。Pichai最后说我们生活在一个特殊的计算机时代。

任何事情都是有发生的背景的。实际上就在今年，谷歌所做的另外两件事同样值得我们关注：

（1）3月谷歌的AlphaGo以4：1战胜韩国围棋手李世石。“深蓝”在国际象棋上战胜卡斯帕罗夫的时代，我们认为下围棋战胜人是计算机做不到的，因为围棋的算法太复杂。但是到现在不到20年时间，AlphaGo就战胜了李世石，计算机的能力发展是非常迅速的。

（2）谷歌主管搜索业务（几乎占到了谷歌全部公司盈利的70%）的副总裁换将。可以说谷歌引领着全球正在走向AI时代。谷歌搜索业务高级副总裁Amit Singhal（致力于移动搜索）于2016年2月26日离职退休，接任他的是谷歌AI工程部负责人John Giannandrea。

AI的概念已提出了将近大半个世纪，但什么因素使得最近几年AI突飞猛进？这个因素就是大数据。大家再来看一个几天前刚发生的事情，2016年5月19日，在第八届中国云计算大会上，香港科技大学的杨强教授如图2所示就提到：“强人工智能和超级人工智能，一定需要大数据”。为什么人工智能忽然就厉害起来？杨强的分析：“基于大数据技术，数据科学得到了非常快速的发展，以至于很大程度上改变了计算机学科领域发展的情况。”这是我个人也比较认同的。

二、大数据在高等教育领域如何应用？

我们使用大数据就是为了实现更精准的分析，我们要进行靠谱的预测就一定需要大数据。可以说下一阶段我们高校的信息化建设也应该是“一切为了数据”，让数据成就我们的一切。但就在那场演讲中，按照杨教授的观点，目前来看对大数据的使用，他认为比较弱的领域有两个：一个是生物领域；另一个就是教育领域。

根据今天主题，我们可以谈谈后者，特别是高等教育的信息化问题。

三、Minerva大学为例

那我们来看看大数据在国外的高等教育领域如何应用。去年11月份在北京召开了全国第二次教育信息化工作会议，刘延东同志主持召开过两次这样的会议，她提到了“全球浸润式大学”。这是哪一所大学？这所大学就是建校不满五年的密涅瓦大学（Minerva）。这个大学成立才两三年，时间很短，现在正处在一个刚刚起步的阶段。

1.Minerva大学特点

（1）浸润式的全球化体验 （Global Immersion）；

（2）现代化的课程 （Modern Curriculum）；

（3）终身的成就支持 （Future Success）；

（4）真正无地域限制、歧视的招生（Admission）。

该校提供的是一个浸润式的全球化的体验环境。该校学习时间一共四年，八个学期，其中两个学期在旧金山。学校没有传统意义上固定的校园。学校大部分的课程都是线上的，课程全部被重新安排。我不认为我们所有的学科都可以像目前Minerva这样的大学来学习，但确实也有一些专业是可以按照Minerva的方式来办。

我们搜集到了Minerva大学上课的真实场景图片，这就是他们课堂的真实境况，如图3所示是他们上课的一个截图，上面这里一个个小格子是来自全球各地的Minerva的学生，这是Minerva大学第一届的学生。据一位中国籍的Minerva大学学生说，他们“课堂上”镜头前的每一个行为都被记录，每一份作业都被记录，每一次发言都被记录，学校有专门的数据分析师和学情分析师对他们的行为进行分析，他们的学习真正做到了科学高效。上课过程中讨论一些问题的时候，持不同颜色观点的孩子，会在这个圆环上被标注出来，讨论问题时候的立场分布就会显示出来。所有学生都是在各自的场所，只要保证网络通畅，课程就可以进行。这两个孩子正在发言，所以他们的视频会比较大，其他人都在小窗里。据说他们还有一个观测的技术，如果你的脑袋太长时间移出这个镜头，会被认为你在开小差。这个时候正好在讨论一个问题，立场有分歧，这两个人在说，其他人在听，这是一个例子。

凡是接触过信息化的都知道，虽然在这里我们看到的只是一个教学平台，但是背后的支撑网络是庞大的，尤其是当学生处于世界不同国家、不同城市时这样的支撑难度就更大。从这点来说，其信息化工作是超过一般的大学的。Minerva大学教学的流程对我们传统的大学来说，我个人感觉至少是一个挑战，对中国大学教学的挑战尤其大。至少目前为止，全世界其他大学还没做到这么开课。

2.从信息化的角度来看，Minerva大学的特点：

（1）以“数据技术”为核心，形成“互联网+校园”新数据形态；

（2）以“云网端”为核心，形成“互联网+校园”新技术形态；

（3）以“实时协同分工网络”为核心，形成“互联网+校园”新组织。

Minerva大学，让我们看到了“互联网+高等教育”。这是用互联网再造的教学流程的教育，我们讨论教育信息化、大学信息化，可能还是更多的用信息化手段来优化我们的传统的教学模式。这是互联网+高等教育非常前瞻的一个模式，当然我们还需要对它有一个观察的过程。

3.“互联网+教育”与“教育+互联网”的区别

我们最近一直在谈“互联网+教育”，但“互联网+教育”和“教育+互联网”的区别在哪里？我的看法是：“教育+互联网”是以工作（业务）为核心；“互联网+教育”是以数据为核心。需要指出的是在我看来，“教育+互联网”是达成“互联网+教育”的一个阶段，从信息化建设的一般规律来看必定需要走过“+互联网”才能走到“互联网+”。但恕我直言，目前中国高校大多还处于“+互联网”，离“互联网+”还远得很。

四、高校信息化治理

1.工作流?数据流如图4所示

就目前来看，高校的工作流和数据流之间有一种互动。这种互动随着信息化的建设越来越强大。我们一直提出：数据不仅仅包括基础数据，对我们的工作而言动态数据往往价值更大。我们一直提倡数据的“伴随式”收集，数据产生在工作中，理想状态下，通过工作流积累数据流，通过数据流优化工作流。工作流越顺畅，连接得越多，获得的数据才能更多，指导优化工作流的效益才能更大。数据流越强大、越优化，可能工作就越顺畅，工作流的效能发挥就越好，这本身是一个相辅相成的过程。

2.信息化情况

大家可以看到，高校信息化治理的情况，有信息化统筹部门，除了信息办还有各种各样的处室、院系，这本身就是一个互相沟通的治理协调。如图5当下高校信息化治理架构所示，为什么叫治理？什么叫做治理？最本质的问题就是谁也说了不算，必须商量着办。信息化随着国家财力的增加，不管地方高校还是国家重点高校，实际上一般投入到一定量以后，它整个水平还是比较会趋同，大部分条件都能达到，就是有个前后的问题。但是信息化治理是非常难的一件事情。大家看到如图6所示，我们的角色是这样的：学生、老师、管理者都面临着一堆的管理系统，这是比较糟糕的。使用者在信息化系统中转了几圈转不回来，解决不了问题，就会抱怨、投诉等。很多学校处于这样的阶段。

3.信息化存在问题

（1）业务流程复杂，臃肿。

跨部门的流程更为繁复。且流程内容简单模糊，一旦遇到摸棱两可之处，灰色区域之间，用户往往周旋于各部门而终不得其果。部分职能部门开始建设自己的线上流程系统。如设备采购，财务审批，科研审批等。但各个线上流程之间往往缺乏集成与互通。对于用户而言，其业务流程并未得到简化，反而可能变得更加复杂。

（2）建维难度高。

将业务流程作为一个应用系统来建设，就必须要进行系统开发，要写代码。建设难度较高，业务部门通常无法独立完成，必须委托第三方公司来进行。在此模式下，将来流程一旦发生变更，势必要对系统代码进行更改。维护成本高昂且响应速度缓慢。

（3）各自为政。

数据无法形成合力，工作流，业务流也往往是断裂的。

（4）数据紧耦合。

由于缺乏对部门业务的执行数据整合。数据紧紧的落在业务部门内部，无法与外界共享。

4.信息化治理方式

大家可以看如图7所示，决策支持在上面。然后我们看到数据中心，从决策者、应用者我们面临的就是工作流。这是我们希望达到的状态。通过工作流的建设，理顺流程，连接各个应用系统。以用户为中心，提高业务效率。通过运行产生的数据进行分析，为决策提供支持，并对工作流进行优化，形成闭环。我们学校在设计新的网站的时候，就设计了所谓的角色安排。你是在校学生还是在校老师等等，你的角色不同我给你看的页面就不一样，你只考虑你的角色，不需要惦记后台是哪些部门。

要达到这种状态，最好的办法是所有的系统由信息化统筹部门统一开发，但这明显不符合现阶段高校信息化建设的实际。而且信息化统筹部门全面介入所有业务部门的工作也不现实。比较理想的方式是使业务部门能够与信息化统筹部门直接对接，使业务部门减少对技术人员和企业的依赖程度，就能够对流程进行制作/修改（模块化的组建，简单的鼠标拖拽），提高对业务需求的响应速度。而要达成这种局面就需要通过工作流工具。通过工作流平台的开放，实际上也对业务部门的流程系统开发提出标准。而在大家都符合标准后，流程自然能够进行有效地串联和整合。我觉得这种改造是今后一阶段信息化建设的趋势。

我校有一个信息化的统筹部门能够来协调企业、业务部门，这是我们希望能做到的。现在来看，我们希望能够通过工作流，信息化部门负责统筹所有的业务部门，业务部门都在工作流中扮演不同的角色如图8所示。

大家知道，现在有很多工作流工具，如图9所示。我们的同志都在对这些工具进行各种各样的测试。我们比较强调用微信上的一些企业号的功能来做学校的一些改革。我们认为，“十三五”期间我校所有的主流业务都必须能够在手机端上有应用功能。手机是离不开的东西，所以必须考虑手机端，手机的服务提供好，你得到的响应度会更好，这也是一个很重要的考虑因素。华东师范大学正在利用工作流工具全面提升学校信息化建设。